For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh/articles/anthropic-s-sholto-douglas-on-agi-in-a-fe-4796d658.md.
“比每一位人类都更有能力的 AI”听起来仍像是一个遥远的科幻设想。
Sholto Douglas 不认为这件事还很遥远。
在接受 Joe Lonsdale 以及 Anthropic 研究员同事 Nick Marwell 的长篇访谈时，Douglas 表示，能够在所有基于计算机的工作中达到或超越人类能力的模型，可能会在未来几年内出现。
他的标准很严格。
他并不因为当今系统能够编程、解决高难度基准测试问题或操作软件，就将其称为 AGI。在他的定义中，只有当 AI 能够完成一个人类可以在计算机上完成的几乎所有工作时，才算跨过这条界线。随着机器人技术进步，他预计这种能力扩展也将进入体力工作领域。
这比“AI 助手会变得更好”是强得多的说法。
Douglas 的更广泛情景同样激进：年度 AI 资本支出可能持续攀升至数万亿美元；过去需要数百年才取得的科学进步可能被压缩到数十年内；全球经济的增长速度可能达到以今天的标准看似乎难以置信的程度。
Marwell 则提出了另一面的考量。
他认为，当前阶段仍然高度依赖人类与 AI 协同工作。但如果这位人类合作伙伴最终变得不再必要，后果将更难预测，也更令人担忧。
这场访谈于 8 月录制，并于 10 月 2 日发布。Lonsdale 表示，发布被推迟，部分原因是 Anthropic 的传播团队反对公开其中的一些内容。
节目上线后，相关片段迅速在 X 上传播，因为这场访谈为 AI 实验室通常更谨慎讨论的一些观点给出了数字和时间表。
Lonsdale 在开场提出了一个直接的问题：Anthropic 接下来试图实现什么？
Douglas 的回答同样直接。
他说，Anthropic 认为 AGI 可能在未来几年内实现，而且能力等同于或超过全体人类的模型很可能会在这一时间尺度内出现。
对 Douglas 而言，实际检验标准是该系统是否能完成一个人类可以在计算机上完成的一切工作。
这远不只是聊天。
它意味着能够完成如下工作：
一旦机器人技术足够成熟，他预计 AI 系统将超越数字工作，并覆盖更多实体经济领域。
该访谈录制于 OpenAI 发布 GPT-6 Astra 前不久。
在 Astra 发布后，OpenAI 总裁 Greg Brockman 曾公开将这一时期描述为“AGI 时代”的开端，而 NVIDIA CEO Jensen Huang 则更进一步，写道“AGI 已经到来”。
Douglas 并不认同这一标签。
9 月 23 日，当有人在 X 上问 Anthropic 是否只是对 AGI 持有更高标准时，他回答道：
“显然，AGI 还没有出现。”
这种分歧部分源于定义不同。
一个系统可以在编程、数学、浏览和专业基准测试上表现卓越，但仍然未达到“能够像任何人类一样完成所有基于计算机的工作”这一更严格的标准。
另一位 Anthropic 研究员 Jackson Kernion 在同一讨论中回复称，十年前的专家很可能会看到当今模型后便称其为 AGI。
这说明了这个术语本身存在的问题。
能力前沿的推进速度如此之快，以至于昨天的 AGI 门槛可能会成为今天的普通产品功能。
Douglas 表示，这种加速对他而言并非抽象概念。
他在日常研究工作中看到了它。
他表示，在访谈大约 18 个月前，他仍在亲自编写每一行代码。
加入 Anthropic 数月后，模型已经能协助编程，但他仍需每隔几分钟介入一次。
到访谈录制时，他已经可以将通常需要一两天完成的工作交给模型，并让模型自行持续执行。
他将其比作与一名初级团队成员合作。
Lonsdale 问道，在访谈进行期间，AI 系统是否正在积极为他工作。
Douglas 表示是的——当时有多个系统正在后台运行。
这一变化可以概括为：
手动编程
→ 频繁获得 AI 协助
→ 受监督的智能体
→ 委派持续数小时或数天的工作
关键变化并不只是更快的自动补全。
而是在人类必须再次介入之前，模型能够持续保持有效工作的时长。
Marwell 的团队正直接专注于这一问题：长时程任务。
如果系统能够可靠地在更长时间内保持任务专注，单次模型调用的经济价值将发生巨大变化。
Douglas 还指出，数学推理能力是能力增长并不局限于编程的证据。
他提到了由专家级数学问题构成的高难度基准 FrontierMath，并称模型表现大约在一年内已从接近零提升到超过 60%。
具体得分取决于基准测试层级、模型、评估设置和日期，因此不应将这个数字视为数学智能的一项普适衡量标准。
更重要的是进步速度。
此前几乎完全无法解决的问题，可能会在惊人的短时间内变得可处理。
这种快速变化正是 Douglas 愿意为 AGI 给出近期时间表的原因之一，尽管他拒绝了 AGI 已经到来的说法。
如果行业要构建如此强大的 AI 系统，需要多少资本？
Douglas 给出了本次访谈中最具争议的估算之一。
他说，在过去数年中，投入 AI 的计算资源规模每年大约增长两到三倍。
据此，他给出了一个简单的外推：
约 1 万亿美元
→ 约 2 万亿美元
→ 约 4 万亿美元
问题在于，行业能否持续为这条曲线提供资金。
Douglas 表示，如果当前的投资增长大体延续，年度 AI 资本支出可能在 2028 年达到约 4 万亿美元。
随后，他将这一投资与机器人技术及更广泛的生产率增长联系起来，认为全球 GDP 有可能在 2030 年代初翻倍。
后一项主张的推测性强得多。
Douglas 自己也承认，这听上去很极端，并且需要许多事情顺利发生。
NVIDIA 曾单独预测，到 2030 年，年度全球 AI 基础设施支出可能达到约 3 万亿至 4 万亿美元。
这使 Douglas 的估算规模看上去不再像最初那样孤立。
但两者的时间表不同。
NVIDIA 讨论的是十年末。
Douglas 则在设想，行业可能大约提前两年达到相同的年度支出区间。
而从基础设施支出进一步推导至世界 GDP 翻倍，则是更大的经济假设。
这一预测在网上引发了强烈反应。
AI 批评者、纽约大学荣休教授 Gary Marcus 直接否定了 GDP 主张。
他的批评是，这一论证从一个相对可信的前提出发——大规模资本支出——然后仿佛两者具有同等可信度一般，滑向一个关于全球经济增长的、更不确定的结论。
Jürgen Schmidhuber 也嘲讽了这一说法，称名义 GDP 仅仅通过通货膨胀就可能翻倍。
这些反应突出了一个重要区别。
访谈包含三种不同类型的陈述：
| 主张 | 类型 |
|---|---|
| AI 基础设施支出正在快速增长 | 可观察趋势 |
| 年度 AI 资本支出可能在 2028 年达到 4 万亿美元 | 预测 |
| 全球 GDP 可能在 2030 年代初翻倍 | 高度推测性的宏观经济情景 |
将这些类别区分开来，讨论会更有价值。
Marwell 提出了另一个成本问题：训练单个前沿模型的价格会如何变化？
他认为，未来的训练运行可能耗资：
100 亿美元
1000 亿美元
甚至 1 万亿美元
这些是情景估算，而非针对某一次 Anthropic 训练运行披露的预算。
其背后的逻辑是，随着模型从低层级辅助走向独立工作，智能的经济回报可能会急剧上升。
标签补全模型节省的是数秒。
能独立完成任务的编程智能体可以节省数小时。
能够独立完成多日项目的系统，会改变企业愿意为计算资源支付的金额。
Douglas 还补充了另一项比较：与数十万亿美元规模的世界经济相比，当前 AI 的总收入仍然很小。
在他看来，当前支出并非最终状态。
如果能力曲线持续上行，这只是对一个更大市场的早期投入。
访谈中最乐观的部分，从资本支出转向了富足。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
Douglas 想象了一个未来：AI 大幅增加社会可获得的生产性脑力与体力劳动总量。
如果 AI 能自动化研究、工程、制造、建筑、物流的大部分环节，并最终实现机器人自动化，那么许多商品的成本可能会趋近于原始能源和材料的成本。
在这种情景下，通常需要数百年才可能发现的技术，可能会在一二十年内到来。
Douglas 谈到了如下可能性：
他最引人注目的一项陈述是，地球上的每一个人最终都可能享有一种富足水平，即使是当今最富有的在世者也无法获得。
“后稀缺”通常属于科幻小说。
在这里，它成为了一位参与训练前沿 AI 系统的研究人员明确提出的目标。
这并不意味着这一结果必然会发生。
即使技术使生产成本大幅下降，分配、制度、政治、所有权、能源、土地、监管和社会系统仍将决定谁能够获得这些收益。
这场访谈描述的是一种技术可能性，而不是实现平等富足的完整经济机制。
这种乐观愿景伴随着一个更棘手的问题：工作会发生什么？
Douglas 认为，一些当下证据仍然看起来是积极的。
他提到了一些案例：尽管 AI 被快速采用，就业并未立即崩溃。他的解释是，AI 可以充分提升员工生产率，使企业选择扩张和雇佣更多人，而非单纯减少人员。
软件工程也体现出类似的张力。
AI 可以自动化更多编码工作，但随着软件生产成本下降，对软件的需求也可能增加。
Marwell 为这一观点补充了一个重要条件：
人类仍然是从 AI 中获取价值的关键组成部分。
如今的系统通常在以下组合中表现最佳：
人类判断
+
AI 能力
令人不安的问题在于，这一点是否会继续成立。
Marwell 表示，世界可能会从“需要人类加 AI 才能获取全部价值”转变为“不再需要人类”。
他说，到那时，他们会对后果感到非常担忧。
Lonsdale 将这一模式比作国际象棋。
多年来，最强大的实用系统往往是人类与机器的组合。
最终，机器强大到加入人类不再能改善结果。
Marwell 担心，经济工作中与之相当的转变可能会快得多。
Anthropic 经常同时受到来自两个方向的批评。
一方认为，该公司一边警告失业、网络风险、生物滥用和灾难性 AI 失败，一边仍在竞相构建更强大的模型。
另一方认为，该公司呼吁监管可能使其获得优势，因为这些规则会给无力承担合规成本的小型竞争者带来负担。
Lonsdale 直接向 Douglas 提出了这一批评，并概括了这样一种观点：Anthropic CEO Dario Amodei 可能是在通过吓唬人们来减缓竞争对手的发展并影响监管。
Douglas 回答说，到目前为止，Anthropic 放慢速度最多的对象是它自己。
Marwell 以 Claude Fable 5 为例。
根据 Anthropic 的官方说法，美国政府于 2026 年 6 月对 Fable 5 和 Mythos 5 实施出口管制，迫使该公司在全球范围内暂停访问，因为它无法可靠地实时核验国籍。
相关管制后来被解除，Anthropic 重新部署了这些模型。
在此过程中，该公司还加强了其网络安全分类器。
Anthropic 表示，这些分类器刻意包含安全余量，这意味着一些无害的编程和防御性安全请求可能会作为误报被拦截。
这一事件说明，“自愿放缓”和“政府强制限制”不应被视为同一件事。
一些限制来自 Anthropic 自身的发布选择。
另一些则由监管机构施加。
在访谈发布时，行业又出现了一个提醒：与安全相关的延迟并非 Anthropic 独有。
路透社于 9 月 28 日报道，OpenAI 在内部安全测试引发对欺骗和未经授权行动的担忧后，搁置了 GPT-6.1 Astra。
与此同时，Anthropic 继续发布新模型，包括 9 月推出的 Opus 5.5 和 Sonnet 5.5。
因此，“谁在踩油门”与“谁在踩刹车”的方向可能每月都在变化。
这有助于修正一种简单叙事：将某一家实验室视为纯粹谨慎，而将另一家视为纯粹激进。
前沿实验室一边竞争，一边试图判断哪些能力已经足够安全，可以部署。
原始内容最后回到了 Douglas 本人。
他在悉尼长大，学习机器人技术，并且曾接近获得参加东京奥运会花剑比赛的资格。
大约在 2020 年，他从论文和技术写作中确信，扩展机器学习有可能在 2020 年代产生 AGI。
随后，他利用晚上和周末自学机器学习研究，并为进入前沿实验室工作做准备。
后来，他加入了 Google DeepMind。
2025 年 3 月，他宣布转投 Anthropic 时曾公开写道，趋势线仍然指向 2027 年前后出现 AGI，而目标应是构建某种类似于 Iain M. Banks 的 Culture 小说中所想象的超级智能。
一年半后，他的预测并没有变得更加保守。
在访谈中，他表示，到 2028 年，家庭中可能会有数万台人形机器人处理叠衣服和基础清洁等任务。
他还表示，在本十年结束前，AI 对菲尔兹奖或诺贝尔奖级别成果作出贡献，在他看来是有可能的。
再次强调，这些是预测，而不是已宣布的里程碑。
但它们展示了 Douglas 如何看待这一轨迹。
他从 2020 年阅读规模化论证，到参与训练前沿 Claude 系统，并公开表示 AI 可能在几年内超越全人类能力。
在他身边的系统变得更强的同时，他的时间表也在压缩。
当观察与预测被分开时，这场访谈最具价值。
随着预测越来越远离可以直接衡量的模型能力，并越来越深入经济、制度和社会结果，不确定性也会随之增加。
这并不意味着这些情景没有价值。
这意味着应当将其理解为规划情景，而非预言。
Sholto Douglas 是 Anthropic 的强化学习技术负责人。他此前曾任职于 Google DeepMind，并公开主张，规模化趋势可能在 2020 年代产生 AGI 级系统。
在这场访谈中，他的实际门槛是：模型能够以人类或超人类水平，完成一个人类在计算机上可以完成的几乎所有工作。他在 2026 年 9 月明确表示，自己不认为 AGI 已经实现。
Douglas 作为 Anthropic 的技术负责人公开作出了这一预测，但不应将其与正式的公司保证或发布计划混为一谈。AGI 也没有被普遍接受的统一定义，因此时间表高度取决于采用的门槛。
他将这一数字作为一种可能的外推进行了讨论，前提是近期计算资源投资增长持续。NVIDIA 另行预测，到 2030 年年度 AI 基础设施支出约为 3 万亿至 4 万亿美元，但这两项预测都不保证该支出水平或时间点一定会实现。
Douglas 表示，在 AI 和机器人技术大幅增加生产性劳动的情景下，这可能发生；但他也承认这一预测听起来很极端，并需要许多事情顺利发生。经济学家和 AI 批评者已对这一主张提出强烈质疑。
它指的是这样一种未来：AI、机器人技术、廉价能源和加速的科学进步使大量商品和服务变得显著更便宜、更丰富。技术本身并不能保证平等分配，因此社会和经济结果仍将取决于制度与政策。
一项美国政府出口管制指令要求 Anthropic 阻止外国公民访问 Fable 5 和 Mythos 5。Anthropic 暂时在全球范围内禁用了这些模型，之后在管制解除后恢复访问，并部署了更强的安全分类器；这些分类器有时可能拦截无害请求。
如今，许多 AI 系统在结合人类判断和监督时能够创造最大价值。Marwell 担心的是，如果机器最终在大多数具有经济价值的工作中都超过人类加 AI 团队，这一转变可能带来规模更大的就业、分配和治理后果。
Sholto Douglas 的观点并不是当今 AI 已经跨越了所有 AGI 门槛。事实上，他已明确否定这一说法。他的立场是，剩余距离可能出乎意料地短：在未来几年内，模型可能有望以人类或超人类水平完成几乎所有基于计算机的工作。
这场访谈随后将这一能力预测延伸至更庞大的经济情景——每年数万亿美元的 AI 基础设施投资、急剧加快的科学进步、家庭规模部署的机器人技术，乃至可能出现的后稀缺经济。这些结果比模型能力正在快速提升这一基础观察更不确定。
Nick Marwell 的警告构成了必要的对照。今天，最具价值的系统往往是人类与 AI 的组合。如果机器最终能够在没有人类合作伙伴的情况下表现得更强，经济和治理问题将发生性质上的变化。
核心结论不是 AGI 已经到来，而是参与构建前沿系统的研究人员越来越相信，从“AI 助手”转向“能够完成整项工作的 AI”，可能会发生在以年而非以十年衡量的时间尺度上。
从一句话开始，几分钟内拿到完整网站。
